Lineare Algebra und analytische Geometrie II
|
|
- Michaela Egger
- vor 6 Jahren
- Abrufe
Transkript
1 Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 53 Norm von Endomorphismen und Matrizen Definition Es seien V und W endlichdimensionale normierte K- Vektorräume und ϕ: V W eine lineare Abbildung. Dann nennt man die Norm von ϕ. ϕ := sup( ϕ(v), v = 1) Dies ist eine Norm auf dem endlichdimensionalen K-Vektorraum Hom K (V, W). Sie ist ein Spezialfall der Supremumsnorm von Arbeitsblatt 32, wenn mandieinklusionhom K (V,W) C 0 ({v V v = 1},W)heranzieht.In dieser Situation kann man statt des Supremums auch das Maximum nennen, da das Supremum aufgrund der Kompaktheit angenommen wird. Diese Norm hängt von den gewählten Normen auf V und W ab, aufgrund der Ergebnisse der letzten Vorlesung ist allerdings die Topologie auf dem Homomorphismenraum für jede Norm gleich. Eine wichtige Abschätzung ist für alle v V, siehe Aufgabe ϕ(v) ϕ v Bei V = K n und W = K m erhält man bei fixierten Normen auf diesen Räumen ausgewählte Normen auf dem Matrizenraum Wegen Mat m n (K) = Hom K (K n,k m ). Mat m n (K) = K nm kann man den Matrizenraum auch mit der euklidischen Norm, der Maximumsnorm (bezogen auf die einzelnen Matrixeinträge) und der Summennorm versehen. Es gibt darüberhinaus noch weitere Normen, die Bezug auf die Matrixstruktur nimmt. Es sei ϕ durch die Matrix A = (a ij ) ij gegeben. Man nennt ( m ) max a ij,j = 1,,n i=1 die Spaltensummennorm und ( n ) max a ij,i = 1,,m j=1 1
2 2 die Zeilensummennorm. Die Spaltensummennorm ist die Maximumsnorm im Sinne von Definition 53.1, wenn man die beiden Räume mit der Summennorm versieht, siehe Aufgabe Konvergenz von Matrixpotenzen Zu einer komplexen Zahl z hängt das Konvergenzverhalten der Potenzen z n, n N, wesentlich vom Betrag der Zahl ab. Bei z < 1 konvergiert die Folge z n gegen 0, bei z = 1 ist die Folge zwar beschränkt, konvergiert aber nur bei z = 1, und bei z > 1 ist die Folge divergent. Die entsprechende Fragestellung ergibt auch für Potenzen von quadratischen Matrizen mit Einträgen über C Sinn. All diese Potenzen liegen in Mat d (C) = C d2. Da dies ein endlichdimensionaler komplexer Vektorraum ist, hängt die Konvergenz in ihm nach den Ergebnissen der letzten Vorlesung nicht von einer gewählten Norm ab. Für eine Diagonalmatrix z z M = z d z d hängt das Konvergenzverhalten der Potenzen n z z n z z 2 n 0 0 M n =.. = z d zd 1 n z d 0 0 zd n direkt von den Einträgen in der Diagonalen ab. Beispielsweise konvergieren die Potenzen der Matrix gegen die Nullmatrix, wenn der Betrag eines jeden Diagonaleintrags kleiner als 1 ist. Beispiel Es sei M = ( ) λ 1 0 λ mit λ C. Dann ist nach Aufgabe ( ) λ M n n nλ = n 1 0 λ n. Für λ < 1 konvergiert diese Matrixfolge gegen die Nullmatrix, da jeder Eintrag gegen 0 konvergiert, für λ = 1
3 konvergiert die Folge nicht, da der Eintrag rechts oben nicht konvergiert und noch nicht einmal beschränkt ist. Die Konvergenz von Matrixpotenzen hat viel mit Eigenvektoren der Matrix zu tun. Lemma Es sei V ein endlichdimensionaler K-Vektorraum und ein Endomorphismus. Es sei v V derart, dass die Folge ϕ n (v) konvergiert. Dann ist der Grenzvektor w := lim ϕ n (v) der Nullvektor oder ein Eigenvektor von ϕ zum Eigenwert 1. Beweis. Es sei w der Grenzvektor. Dann ist ϕ n+1 (v) = ϕ(ϕ n (v)) für alle n N. Aufgrund der Stetigkeit von ϕ sind die Limiten vertauschbar, also w = lim ϕ n (v) = lim ϕ n+1 (v) = lim ϕ(ϕ n (v)) = ϕ(lim ϕ n (v)) = ϕ(w). Daher ist w ein Fixpunkt von ϕ, also der Nullvektor oder ein Eigenvektor zum Eigenwert 1. Lemma Es sei V ein endlichdimensionaler K-Vektorraum und ein Endomorphismus mit der Zerlegung (im Sinne von Satz 28.1) ϕ = ϕ +ϕ nil mit einer (untereinander vertauschbaren) onalisierbaren und einer nilpotenten Abbildung mit ϕ k nil = 0. Dann besitzen die Potenzen von ϕ die Darstellung ( ) ( n n ϕ n =ϕ n +nϕ n 1 ϕ nil + ϕ n 2 2 ϕ2 nil + 3 ) ϕ n 3 + ϕ3 nil + ( ) n ϕ n k+1 k 1 ϕ k 1 nil 3 Beweis. Dies folgt direkt aus ϕ n = (ϕ +ϕ nil ) n, der Vertauschbarkeit und der allgemeinen binomischen Formel.
4 4 Asymptotische Stabilität und Stabilität Definition Es sei V ein endlichdimensionaler K-Vektorraum und ein Endomorphismus. Dann heißt ϕ asymptotisch stabil, wenn die Folge ϕ n in End(V) gegen die Nullabbildung konvergiert. Im Folgenden werden in der reellen Situation auch die komplexen Eigenwerte eine Rolle spielen. Diese sind die komplexen Nullstellen des charakteristischen Polynoms bzw. die Eigenwerte der Matrix, wenn man sie über C auffasst. Sie sind nicht Eigenwerte der reellen Matrix im Sinne der Definition. Auch die jordansche Normalform, die ja im Allgemeinen nur komplex existiert, wird ebenfalls in der reellen Situation verwendet. Satz Es sei V ein endlichdimensionaler K-Vektorraum und ein Endomorphismus. Dann sind folgende Eigenschaften äquivalent. (1) ϕ ist asymptotisch stabil. (2) Zu jedem v V konvergiert die Folge ϕ n (v), n N, gegen 0 V. (3) Es gibt ein Erzeugendensystem v 1,,v m V derart, dass ϕ n (v j ), j = 1,,m, gegen 0 konvergiert. (4) Der Betrag eines jeden komplexen Eigenwerts von ϕ ist kleiner als 1. Beweis. Aus (1) folgt (2). Sei v V. Wir können mit einer beliebigen Norm auf V und dem Endomorphismenraum arbeiten, beispielsweise mit der Maximumsnorm. Dann konvergiert wegen ϕ n (v) ϕ n max v ϕ n (v) gegen 0. Von (2) nach (3) ist klar. Wenn umgekehrt (3) erfüllt ist, und eine Linearkombination ist, so ist v = a 1 v 1 + +a m v m ϕ n (a 1 v 1 + +a m v m ) = a 1 ϕ n (v 1 )+ +a m ϕ n (v m ) und aus der Konvergenz der beteiligten Folgen ϕ n (v j ) gegen 0 folgt die Konvergenz dieser Summenfolge gegen 0. Von (2) bzw. (3) nach (4). Wir können K = C annehmen: Im reellen Fall kann man von V = R d ausgehen und die Abbildung durch eine reelle Matrix ausdrücken und diese als komplexe Matrix auffassen. Das gegebene reelle Erzeugendensystem ist dann auch ein komplexes Erzeugendensysten für den C d. Es sei λ ein Eigenwert und v V ein Eigenvektor zu λ. Da nach Voraussetzung ϕ n (v) = λ n v
5 5 gegen 0 konvergiert, muss λ n gegen 0 konvergieren und daher ist λ < 1. Für den Schluss von (4) auf (1) verwenden wir Lemma 53.4, es ist also ( ) ( ) n n ϕ n =ϕ n +nϕ n 1 ϕ nil + ϕ n 2 2 ϕ2 nil + ϕ n 3 3 ϕ3 nil + + ( n k 1 ) ϕ n k+1 ϕ k 1 nil, wobeik dernilpotenzordnungdesnilpotentenanteilsϕ nil ist.dieeigenwerte von ϕ sind die Eigenwerte des onalisierbaren Anteils ϕ, sie seien mit z j bezeichnet. Die Summanden sind von der Form p(n)ϕ n s ϕs nil zu einem festen s < k und einem Polynom p(n). Die Diagonaleinträge von sind (nach Diagonalisieren) von der Form p(n)ϕ n s p(n)z n s j und wegen z j < 1 konvergiert dies für n gegen 0. Daher konvergiert p(n)ϕ n s gegen die Nullabbildung und das gilt nach Aufgabe 53.1 auch für das Produkt mit der festen Abbildung ϕ s nil. Daher konvergiert auch die Summe gegen die Nullabbildung. Definition Es sei V ein endlichdimensionaler K-Vektorraum und ein Endomorphismus. Der Spektralradius von ϕ ist ρ(ϕ) = max ( λ,λ ist ein komplexer Eigenwert von ϕ). Da es im endlichdimensionalen Fall nur endlich viele (komplexe) Eigenwerte gibt, ist der Spektralradius wohldefiniert. Gemäß Satz 53.6 ist der Endomorphismus genau dann asymptotisch stabil, wenn der Spektralradius < 1 ist. Wir betonen, dass im Reellen der Spektralradius unter Bezug auf die Komplexifizierung berechnet wird. Lemma Es sei V ein endlichdimensionaler K-Vektorraum und ein Endomorphismus. Es sei eine Norm auf V gegeben und max die entsprechende Norm auf dem Endomorphismenraum. Dann gilt für den Spektralradius die Abschätzung ρ(ϕ) ϕ max.
6 6 Beweis. Es sei λ ein Eigenwert von ϕ mit λ = ρ(ϕ). Es sei v V ein Eigenvektor zu λ. Dann ist λ v = λv = ϕ(v) ϕ max v und Division durch v liefert die Behauptung. Definition Es sei V ein endlichdimensionaler K-Vektorraum und ein Endomorphismus. Dann heißt ϕ stabil, wenn die Folge ϕ n in End(V) beschränkt ist. Beispielsweise ergibt sich aus dem folgenden Satz, dass eine Isometrie auf einem euklidischen Raum V stabil ist, da für jeden Vektor v V ja ϕ n (v) sogar konstant ist. Satz Es sei V ein endlichdimensionaler K-Vektorraum und ein Endomorphismus. Dann sind folgende Eigenschaften äquivalent. (1) ϕ ist stabil. (2) Zu jedem v V ist die Folge ϕ n (v), n N, beschränkt. (3) Es gibt ein Erzeugendensystem v 1,,v m V derart, dass ϕ n (v j ), j = 1,,m, beschränkt ist. (4) Der Betrag eines jeden komplexen Eigenwerts von ϕ ist kleiner oder gleich 1 und die Eigenwerte mit Betrag 1 sind onalisierbar, d.h. ihre algebraische Vielfachheit ist gleich ihrer geometrischen Vielfachheit. (5) Für eine beschreibende Matrix M von ϕ, aufgefasst über C, sind die Jordan-Blöcke der jordanschen Normalform gleich λ λ λ λ mit λ < 1 oder gleich (λ) mit λ = 1. Beweis. Aus (1) folgt (2). Sei v V. Wir können mit einer beliebigen Norm auf V und dem Endomorphismenraum arbeiten, beispielsweise mit der Maximumsnorm. Dann ist wegen ϕ n (v) ϕ n max v
7 auch ϕ n (v) beschränkt. Von (2) nach (3) ist klar. Wenn umgekehrt (3) erfüllt ist, und v = a 1 v 1 + +a m v m eine Linearkombination ist, so ist ϕ n (a 1 v 1 + +a m v m ) = a 1 ϕ n (v 1 )+ +a m ϕ n (v m ) undausderbeschränktheitderbeteiligtenfolgenϕ n (v j )folgtdiebeschränktheit dieser Summenfolge. Die Äquivalenz von (4) und (5) ist klar, da über C die jordansche Normalform existiert und man die Eigenwerte und die Vielfachheiten aus den Jordan-Blöcken ablesen kann. Von (2) nach (5). Wir können K = C annehmen. Es sei λ λ 1 0 J =... 0 λ λ ein Jordan-Block der jordanschen Normalform. Bei λ > 1 ergibt sich für einen zugehörigen Eigenvektor v wegen ϕ n (v) = λ n v direkt ein Widerspruch zur Beschränktheit. Sei also λ = 1 und sei angenommen, dass der Jordan-Block mindestens die Länge zwei besitzt. Nach Aufgabe ist λ n 1 λ n +nλ n 1 0 λ λ... 0 λ 1 0. = n λ 0 0 Dabei ist aber die erste Komponente λ n +nλ n 1 = λ n 1 (λ+n) nicht beschränkt im Widerspruch zur Voraussetzung. Für den Schluss von (5) auf (1) können wir die einzelnen Jordan-Blöcke getrennt voneinander analysieren, da die Stabilität nach Aufgabe mit einer Zerlegung in die direkte Summanden verträglich ist. Für den ersten Typ folgt die Aussage aus Satz 53.6, für den Typ λ mit λ = 1 ist es klar, da die Norm der Potenzen konstant gleich 1 ist. 7
8 8 Für die Konvergenz der Matrixpotenzen gibt es die folgende Charakterisierung. Satz Es sei V ein endlichdimensionaler K-Vektorraum und ein Endomorphismus. Dann sind folgende Eigenschaften äquivalent. (1) Die Folge ϕ n konvergiert in End(V). (2) Zu jedem v V konvergiert die Folge ϕ n (v), n N. (3) Es gibt ein Erzeugendensystem v 1,,v m V derart, dass ϕ n (v j ), j = 1,,m, konvergiert. (4) Der Betrag eines jeden komplexen Eigenwerts von ϕ ist kleiner oder gleich 1 und falls der Betrag 1 ist, so ist der Eigenwert selbst 1 und onalisierbar. (5) Für eine beschreibende Matrix M von ϕ, aufgefasst über C, sind die Jordan-Blöcke der jordanschen Normalform gleich λ λ mit λ < 1 oder gleich (1).. 0 λ λ Beweis. Siehe Aufgabe
Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,
Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 2 Ein guter Schüler lernt auch bei einem schlechten Lehrer Eigentheorie Unter einer Achsenspiegelung in der
MehrMusterlösungen zur Linearen Algebra II Weihnachtszettel
Musterlösungen zur Linearen Algebra II Weihnachtszettel Aufgabe. Welche der folgenden Matrizen 3 0 0 A = 0 4, B = 3, C = 0 0 0 6 0 0 0 sind über R und welche über C diagonalisierbar? Bestimmen Sie dazu
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 206 Lineare Algebra und analytische Geometrie II Vorlesung 33 Das Kreuzprodukt Eine Besonderheit im R 3 ist das sogenannte Kreuzprodukt, das zu zwei gegebenen Vektoren
MehrLineare Algebra II 6. Übungsblatt
Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der
MehrLineare Algebra II. Inhalt und Begriffe. Lineare Algebra II p. 1
Lineare Algebra II Inhalt und Begriffe Lineare Algebra II p. 1 Inhaltsverzeichnis Kapitel II Grundlagen der Linearen Algebra... Lineare Algebra II p. 2 Inhaltsverzeichnis Kapitel II Grundlagen der Linearen
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 25 J ai décidé d être heureux parce que c est bon pour la santé Voltaire Trigonalisierbare Abbildungen
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
Mehr5. Übung zur Linearen Algebra II -
5. Übung zur Linearen Algebra II - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 2. Aufgabe 7 5 A := 2. 3 2 (i) Berechne die Eigenwerte und Eigenvektoren von A. (ii) Ist A diagonalisierbar?
MehrBeispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger
Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Stefan Lell 2. Juli 2 Aufgabe. Sei t Q und A t = t 4t + 2 2t + 2 t t 2t 2t Mat 3Q a Bestimmen Sie die Eigenwerte von A t in Abhängigkeit
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrLineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik
Universität Karlsruhe (TH) Institut für Algebra und Geometrie Dr. Klaus Spitzmüller Dipl.-Inform. Wolfgang Globke Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik Lösungen zum
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
MehrKLAUSUR ZUR LINEAREN ALGEBRA I 22. Februar 2008
KLAUSUR ZUR LINEAREN ALGEBRA I. Februar 008 MUSTERLÖSUNG Diese Klausur wurde je nach Sitzreihe in zwei verschiedenen Versionen geschrieben. Die andere Version unterscheidet sich von der vorliegenden jedoch
MehrMusterlösungen zur Linearen Algebra II Übungsklausur
Musterlösungen zur Linearen Algebra II Übungsklausur Aufgabe. Sei A R 3 3. Welche der folgenden Aussagen sind richtig? a Ist det(a =, dann ist A eine orthogonale Matrix. b Ist A eine orthogonale Matrix,
MehrEigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)
Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 31 Vektorräume mit Skalarprodukt Im R n kann man nicht nur Vektoren addieren und skalieren, sondern ein Vektor
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
MehrKapitel 11. Bilinearformen über beliebigen Bilinearformen
Kapitel 11 Bilinearformen über beliebigen Körpern Wir können in diesem Kapitel rasch vorgehen, weil die meisten Konzepte im Zusammenhang mit Sesquilinearformen bereits eingeführt wurden. In diesem Abschnitt
MehrMC-Serie 11: Eigenwerte
D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
Mehr4 Eigenwerte und Eigenvektoren
4 Eigenwerte und Eigenvektoren Sei V {0} ein K Vektorraum und f : V V K linear. Definition: Ein Eigenwert von f ist ein Element λ K, für die es einen Vektor v 0 in V gibt, so dass f(v) = λ v. Sei nun λ
Mehr6 Eigenwerte und Eigenvektoren
6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:
MehrKapitel 5. Endomorphismen von Vektorräumen. 5.3 Nilpotente Endomorphismen
Kapitel 5 c M Roczen und H Wolter Preview zur aktuellen Fassung: Lineare Algebra individuell Online Ver 052, 1552005 Alle Rechte vorbehalten Endomorphismen von Vektorräumen V 0 sei ein Vektorraum über
MehrKlausur Lineare Algebra I & II
Prof. Dr. G. Felder, Dr. Thomas Willwacher ETH Zürich, Sommer 2010 D MATH, D PHYS, D CHAB Klausur Lineare Algebra I & II Bitte ausfüllen! Name: Vorname: Studiengang: Bitte nicht ausfüllen! Aufgabe Punkte
MehrLineare Algebra II 12. Übungsblatt
Lineare Algebra II 12. Übungsblatt Fachbereich Mathematik SS 2011 Prof. Dr. Kollross 13. / 14. Juli 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Probeklausur) Sprechen Sie über die Probeklausur
MehrVorlesung 27. Der projektive Raum. Wir werden den projektiven Raum zunehmend mit mehr Strukturen versehen.
Vorlesung 27 Der projektive Raum Definition 1. Sei K ein Körper. Der projektive n-dimensionale Raum P n K besteht aus allen Geraden des A n+1 K durch den Nullpunkt, wobei diese Geraden als Punkte aufgefasst
MehrOrthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen
Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).
MehrStichwortliste zur Vorlesung. Lineare Algebra II. Gabriela Weitze-Schmithüsen. Saarbrücken, Sommersemester 2016
Stichwortliste zur Vorlesung Lineare Algebra II Gabriela Weitze-Schmithüsen Saarbrücken, Sommersemester 2016 Kapitel I Jordansche Normalform Ziel: Wir möchten Matrizen bis aus Ähnlichkeit klassifizieren.
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrLineare Algebra 2 (SS 13) Blatt 13: Musterlösung
Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra 2 (SS ) Blatt : Musterlösung Aufgabe. Es sei C (R) der R-Vektorraum der unendlich oft differenzierbaren Funktionen auf R und : C (R) C (R), f f die Abbildung,
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn
MehrLineare Algebra II, Lösungshinweise Blatt 9
Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Arbeitsblatt 16 Die Pausenaufgabe Aufgabe 161 Zeige, dass zu einem K-Vektorraum V mit Dualraum V die Auswertungsabbildung
MehrBonusmaterial Euklidische und unitäre Vektorräume Geometrie in höheren Dimensionen
Bonusmaterial Euklidische und unitäre Vektorräume Geometrie in höheren Dimensionen Orthogonale und unitäre Endomorphismen Wir untersuchen nun lineare Abbildungen in euklidischen und unitären Vektorräumen
MehrSummen und direkte Summen
Summen und direkte Summen Sei V ein K-Vektorraum. Wie früher erwähnt, ist für beliebige Teilmengen M, N V die Teilmenge M +N V wie folgt definiert M +N = {v+w : v M, w N}. Man sieht leicht, dass i.a. M
MehrRückblick auf die letzte Vorlesung
Rückblick auf die letzte Vorlesung Lineare Differentialgleichungen Ausblick auf die heutige Vorlesung Lineare autonome Differentialgleichungen 2 Bestimmung des Fundamentalsystems 3 Jordansche Normalform
MehrHomogene Systeme in höheren Dimensionen
56 4 Systeme von Differenzialgleichungen gefunden, so sind deren ilder, ' = T, Lösungen in den y-koordinaten. llerdings ist das uffinden einer geeigneten Transformation T gleichbedeutend mit der estimmung
MehrLeitfaden 34. , dies ist eine reelle symmetrische Matrix, also diagonalisierbar.
Leitfaden 34 5. Euklidsche und unitäre Räume (und selbstadjungierte, orthogonale, unitäre, normale Endomorphismen). 5.1. Reelle symmetrische Matrizen sind diagonalisierbar. Satz: Reelle symmetrische Matrizen
MehrKapitel 5. Endomorphismen von Vektorräumen. 5.4 Die jordansche Normalform
Kapitel 5 c M. Roczen und H. Wolter Preview zur aktuellen Fassung: Lineare Algebra individuell Online Ver. 0.52 28.5.2005 Alle Rechte vorbehalten Endomorphismen von Vektorräumen V 0 sei ein Vektorraum
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/2015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.2015, 11 Uhr Auf diesem
Mehr6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
Mehr9 Vektorräume mit Skalarprodukt
9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden
Mehr5 Lineare Abbildungen
5 Lineare Abbildungen Pink: Lineare Algebra HS 2014 Seite 56 5 Lineare Abbildungen 5.1 Definition Gegeben seien Vektorräume U, V, W über einem Körper K. Definition: Eine Abbildung f : V W heisst K-linear,
Mehr4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau
312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind
Mehr45 Eigenwerte und Eigenvektoren
45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
MehrEigenwerte, Diagonalisierbarkeit, charakteristisches Polynom
Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse
MehrLineare Abhängigkeit
Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x
MehrLineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,
Mehr46 Eigenwerte und Eigenvektoren symmetrischer Matrizen
46 Eigenwerte und Eigenvektoren symmetrischer Matrizen 46.1 Motivation Symmetrische Matrizen (a ij = a ji für alle i, j) kommen in der Praxis besonders häufig vor. Gibt es für sie spezielle Aussagen über
MehrLineare Algebra und analytische Geometrie II
Prof Dr H Brenner Osnabrück SS 26 Lineare Algebra und analytische Geometrie II Vorlesung 2 Orthogonalität Mit dem Skalarprodukt kann man die Eigenschaft zweier Vektoren, aufeinander senkrecht zu stehen,
MehrMathematik I. Vorlesung 7. Folgen in einem angeordneten Körper
Prof. Dr. H. Brenner Osnabrück WS 009/010 Mathematik I Vorlesung 7 Folgen in einem angeordneten Körper Wir beginnen mit einem motivierenden Beispiel. Beispiel 7.1. Wir wollen die Quadratwurzel einer natürlichen
MehrMatrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).
Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
Mehr4 Lineare Abbildungen Basisdarstellungen
4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
Mehr10 Aus der Analysis. Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit
10 Aus der Analysis Themen: Konvergenz von Zahlenfolgen Unendliche Reihen Stetigkeit Differenzierbarkeit Zahlenfolgen Ein unendliche Folge reeller Zahlen heißt Zahlenfolge. Im Beispiel 2, 3, 2, 2 2, 2
MehrMAT Lineare Algebra, SS 07 Prof. Joachim Rosenthal Lösung zu Übungsblatt 7
MAT.4 - Lineare Algebra, SS 07 Prof. Joachim Rosenthal Lösung zu Übungsblatt 7 Aufgabe Sei ϕ : V V R eine symmetrische Bilinearform auf einem reellen Vektorraum V. Für die Vektoren v,...,v n V gelte ϕ(v
MehrLineare Algebra II 5. Übungsblatt
Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen,
MehrLineare Algebra Weihnachtszettel
Lineare Algebra Weihnachtszettel 4..008 Die Aufgaben auf diesem Zettel sind zum Üben während der Weihnachtspause gedacht, sie dienen der freiwilligen Selbstkontrolle. Die Aufgaben müssen nicht bearbeitet
MehrOrientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops
15. DETERMINANTEN 1 Für n Vektoren b 1,..., b n im R n definiert man ihre Determinante det(b 1,..., b n ) Anschaulich gilt det(b 1,..., b n ) = Orientierung der Vektoren b 1,..., b n Volumen des von den
MehrDiagonalisieren. Nikolai Nowaczyk Lars Wallenborn
Diagonalisieren Nikolai Nowaczyk http://mathniknode/ Lars Wallenborn http://wwwwallenbornnet/ 16-18 März 01 Inhaltsverzeichnis 1 Matrizen 1 11 Einschub: Invertierbarkeit
MehrVektorräume und lineare Abbildungen
Kapitel 11. Vektorräume und lineare Abbildungen 1 11.1 Vektorräume Sei K ein Körper. Definition. Ein Vektorraum über K (K-Vektorraum) ist eine Menge V zusammen mit einer binären Operation + einem ausgezeichneten
MehrProseminar Lineare Algebra II, SS 11. Blatt
Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2
Mehr3.3 Das charakteristische Polynom
LinAlg II Version 1 2. Mai 2006 c Rudolf Scharlau 209 3.3 Das charakteristische Polynom Wir setzen die im vorigen Abschnitt begonnene Untersuchung von Eigenvektoren und Eigenwerten fort und stellen den
MehrÜbungen zu Lineare Algebra und Geometrie 1
Übungen zu Lineare Algebra und Geometrie 1 Andreas Čap Sommersemester 2015 Wiederholung grundlegender Begriffe (1 Bestimme Kern und Bild der linearen Abbildung f : R 3 R 3, die gegeben ist durch f(x, y,
MehrKapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.
Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2016/17 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich
MehrLINEARE ALGEBRA FÜR ANALYSIS
LINEARE ALGEBRA FÜR ANALYSIS ALBERTO S. CATTANEO Zusammenfassung. Eine Zusammenfassung der wichtigsten in der Analysis gebrauchten Grundbegriffe aus der linearen Algebra (speziell für diejenigen, die lineare
MehrAnalysis II. Vorlesung 48. Die Hesse-Form
Prof. Dr. H. Brenner Osnabrück SS 2015 Analysis II Vorlesung 48 Die Hesse-Form Wir sind natürlich auch an hinreichenden Kriterien für das Vorliegen von lokalen Extrema interessiert. Wie schon im eindimensionalen
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume
Mehr5.7 Lineare Abhängigkeit, Basis und Dimension
8 Kapitel 5. Lineare Algebra 5.7 Lineare Abhängigkeit, Basis und Dimension Seien v,...,v n Vektoren auseinemvektorraumv über einem KörperK. DieMenge aller Linearkombinationen von v,...,v n, nämlich { n
Mehr5 Teilmengen von R und von R n
5 Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,...,x n ) : x i R} = R }... {{ R }. n mal Für x R ist x der Abstand zum Nullpunkt. Die entsprechende Verallgemeinerung
Mehr1 Reihen von Zahlen. Inhalt:
5 Kapitel 3 Reihen Reihen von Zahlen Inhalt: Konvergenz und Divergenz von Reihen reeller oder komplexer Zahlen, geometrische Reihe, harmonische Reihe, alternierende Reihen. Cauchy-Kriterium, absolute Konvergenz,
MehrLineare Algebra und analytische Geometrie I
Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 9 Basiswechsel Wir wissen bereits, dass in einem endlichdimensionalen Vektorraum je zwei Basen die gleiche Länge
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 3.2 Konvergenzkriterien
MehrMat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1
Aufgabe. Bestimmen Sie das Exponential expa) der Matrix ) 5 6 A = Mat, R). 4. Wir bestimmen das charakterische Polynom f A t) = t t = t )t + ). ). Eigenvektor zu EW ist v = ). Eigenvektor zu EW ist v =
MehrLineare Schieberegisterfolgen
Lineare Schieberegisterfolgen Sei K ein endlicher Körper. Man nehme zwei Vektoren x 0 a0 x n 1, a n 1 K n n 1 x n := a i x i und betrachte die lineare Abbildung : K n K n, die durch i=0, berechne x 0 x
MehrPrüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?
1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2
Mehr4 Affine Koordinatensysteme
4 Affine Koordinatensysteme Sei X φ ein affiner Raum und seien p,, p r X Definition: Nach ( c ist der Durchschnitt aller affinen Unterräume Z X, welche die Menge {p,,p r } umfassen, selbst ein affiner
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 05.11.2013 Alexander Lytchak 1 / 14 Linearkombinationen Definition Es sei V ein reeller Vektorraum. Es sei (v i ) i
MehrBeispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt
Beispiel. Gegeben sei die Folge (a n ) n N mit a n := n 2 + 5n + 1 n Es gilt ( ( ) (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n + 1 + n, woraus folgt a n = (n2 + 5n + 1) n 2 n2 + 5n + 1 + n = 5n + 1 n2
Mehr= ( n x j x j ) 1 / 2
15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
MehrMathematik I. Vorlesung 24. Reihen
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 24 Reihen Wir betrachten Reihen von komplexen Zahlen. Definition 24.1. Sei ( ) k N eine Folge von komplexen Zahlen. Unter der Reihe versteht
MehrDas Newton Verfahren.
Das Newton Verfahren. Ziel: Bestimme eine Nullstelle einer differenzierbaren Funktion f :[a, b] R. Verwende die Newton Iteration: x n+1 := x n f x n) f x n ) für f x n ) 0 mit Startwert x 0. Das Verfahren
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
MehrVariante A. Hinweise
Lehrstuhl C für Mathematik (Analsis Prof. Dr. Y. Guo Aachen, den 6..3 Klausur zur Höheren Mathematik I WS /3 Variante A Hinweise Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind handschriftliche
Mehralso ist Sx m eine Cauchyfolge und somit konvergent. Zusammen sagen die Sätze 11.1 und 11.2, dass B (X) ein abgeschlossenes zweiseitiges
11. Kompakte Operatoren Seien X, Y Banachräume, und sei T : X Y ein linearer Operator. Definition 11.1. T heißt kompakt, enn T (B) eine kompakte Teilmenge von Y ist für alle beschränkten Mengen B X. Wir
MehrB Vektor- und Matrixnormen
XXXI B Vektor- und Matrixnormen Um die Länge von Vektoren aus einem Vektorraum V über K {R, C} (und damit den Abstand zweier Vektoren) zu messen, definieren wir Normen, das sind Abbildungen : V R + 0,
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
Mehr